【《消费者通过网红直播购买农产品行为的实证分析》5400字】

消费者通过网红直播购买农产品行为的实证分析目录TOC\o"1-3"\h\u29817消费者通过网红直播购买农产品行为的实证分析 1192091.1研究样本 171571.2信度与效度分析 2143501.3相关性分析 5207621.4假设检验 6296621.5研究结论 121.1研究样本本研究对消费者通过网红直播购买农产品的行为情况进行调查，对调查对象的学历、工作等人口特征进行统计的结果如表1.1所示：表1.1有效调查样本的人口统计特征名称选项频数百分比(%)性别男39748.89女41551.11年龄17岁及以下10012.3218-24岁10012.3225-35岁31438.6735-45岁21626.6046岁及以上8210.10平均每个月可支配的金额2000元以下20425.122001-5000元11811.535001-8000元35643.848001-11000元9711.9511001元以上371.56学历水平高中及以下23729.19大专24029.56本科26232.27硕士455.54博士及以上283.45职业全日制学生20021.63国企/事业单位职员22427.59私企职员24329.93自由职业者13716.87其他80.99是否听说过/观看过网红直播营销农产品没听说过323.94听说过但未观看10212.56观看过但未购买25931.90观看且购买过41951.60合计812100.0本研究采用随机抽样的方式，选取对象进行调查问卷，总共发放问卷833份，回收问卷833份，回收率为100%，将个人信息不完整、问题填写不规范的无效问卷剔除后，得到有效问卷812份，问卷有效率为97.48%。通过描述性统计分析发现，调查对象的性别在网络直播中占男性比例占48.89%，女性比例占51.11%，男性与女性比例均衡。调查对象的年龄主要分布在25到35岁之间，达到了38.67%；落在18岁以下和46岁以上的比例分别为12.32%和10.10%；本次调查的直播购买群体主要集中在在18到35岁之间，与设想的实际实际情况相符。关于调查对象的学历教育程度，硕士研究生占比例达5.54%；本科学历占比例达32.27%；大专学历占比例达29.56%；高中及以下占比例达29.19%。对所从事的工作，学生的人数，占比例21.63%；国企及事业单位职工，占比27.59%。关于月收入水平，2000元以下的人群有25.12%，主要是学生群体，2001-5000的11.53%，5001-8000元人数最多达到了43.84%。1.2信度与效度分析在进行数据分析前，首先对问卷进行信度和效度检验，从而验证数据的可靠性和稳定性。稳定性一般指题项内部关系是否一致。本文采用克伦巴赫系数法(Cronbach'sα)，信度系数在0-1之间，而阿尔法值在0.6以上表示可以接受的信度，大于0.7则表示具有可信度，在0.8以上则表明信度很高。如下表1.2所示。表1.2Cronbach'sα系数的信度标准本文通过对SPSS25.0对数据进行信度和效度分析，内部信度采用较为常用的克伦巴赫信度系数分析法进行信度分析。临界点选择具体参照Guilford(1954)和荣泰生(2012）所发布的数据标准[75]。对问卷进行有效性的分析，以验证其内容与构建性的真实程度。本文选择KMO值和球形检验检验问卷量表的有效性。KMO取值在0和1之间,当其越接近于1时，表示变量间的相关性越强,原有变量越适合作因子分析;当所有变量间的简单相关系数平方和接近0时,KMO值接近0,即表示变量间的相关性越弱,原有变量越不适合作因子分析。巴特利特球形检验以原有变量的相关系数矩阵为出发点,其原假设:相关系数矩阵是单位阵,即相关系数矩阵为对角矩阵(对角元素不为0,非对角元素均为0)且主对角元素均为1。巴特利特球形检验的检验统计量根据相关系数矩阵的行列式计算得到,本次球形检验的显著性p值=0.000<0.05，应拒绝原假设，认为相关系数矩阵不是单位阵，适合做因子分析。表1.3信度和效度分析检验结果变量Cronbach'sα系数KMO项数球形检验网红直播营销农产品特征0.9800.944300.000感知价值0.9180.73350.000感知风险0.8690.75740.000网红认同0.9580.930100.000农产品购买行为0.9220.83450.000从表1.3中可以看出，网红直播农产品特征、感知价值、感知风险、网红认同以及农产品购买行为变量信度克隆巴赫系数均在0.8以上，表明问卷的信度较高，可信度较好可以认为本研究所设计的问卷可靠性非常高，具有良好的信度，可以进行后续的研究。各变量的KMO值也都大于0.7，并且球形检验都显著，p<0.05，证明问卷所用这些变量的量表有效性较高，效度较好。另外对自变量网红直播农产品特征的结构效度做验证性因子分析，详细步骤如下：首先，对提前设定的独立模型参数和有效样本做极大似然估计比较分析，经常涉及到指数包括：卡方比上自由度（/df）、拟合优度指数（GFI）、调整拟合优度指数（AGFI）、标准拟合指数（NFI）、非标准拟合指数（NNFI）、相对拟合指数（CFI）、近似误差均方根（RMSEA）等多项标准。卡方与自由度之比（/df）越贴近0，表明回收数据的拟合度越好，如果卡方与自由度之比（/df）小于5则说明数据的拟合度大致可以接受，而当卡方与自由度之比大于5时，则表明数据拟合度较差。标准拟合指数（NFI）和非标准拟合指数（NNFI）应该在0-1的范围之内，数值越接近1代表所建模型的拟合效度越好，模型构建的也越标准。相对拟合指数（CFI）是与提前确立好的独立模型相比较得出的结果，同样，其越靠近1表明拟合程度越高。此外，近似误差均方根（RMSEA）通常情况下需要小于0.1时才符合拟合的要求。表1.4标准载荷系数表潜变量测量项CR值p标准载荷系数专业性A1--0.846A213.0820.0000.899A312.3600.0000.871A411.4890.0000.835A511.4320.0000.833可信性B1--0.940B221.2810.0000.949B320.3160.0000.939吸引力C1--0.834C211.7510.0000.871C37.2470.0000.618C411.0780.0000.839C59.0400.0000.731互动性D1--0.821D29.2500.0000.755D39.9200.0000.794D411.1370.0000.861信息质量E1--0.897E217.5840.0000.949E315.4780.0000.905E413.9730.0000.867产品质量F1--0.913F216.0660.0000.901F313.4290.0000.839F416.2640.0000.905F515.2410.0000.884服务质量G1--0.898G213.3930.0000.855G311.3520.0000.882G411.2590.0000.879拟合优度指标值：/df=2.245RMSEA=0.043NFI=0.912CFI=0.905IFI=0.916GFI=0.906从表1.4中可以看出网红直播农产品特征量表的维度模型各个拟合指标符合要求，具体为：/df=2.245RMSEA=0.043NFI=0.912CFI=0.905IFI=0.916GFI=0.906，所有数值都符合标准数值。因此，网红直播农产品特征量表结构模型的验证结果良好。1.3相关性分析相关性分析是用来检验各测量变量之间是否具有相关性的，一般是采用Pearson相关系数(Pearsoncorrelationcoefficient)法验证。相关系数的取值范围是-1到1之间，当系数介于-1和0之间时，表示变量之间呈现负相关关系;当相关系数介于0和1之间时，表示变量之间呈现正相关关系。本文通过Pearson相关性分析来测量网红直播农产品特征的七个构成维度(专业性、可信性、吸引力、互动性、信息质量、产品质量、服务质量)、网红认同和农产品购买行为之间的关系。从表皮尔逊相关系数表可发现，网红直播营销农产品特征与网红认同在0.01的水平下呈现显著正相关，与农产品购买行为在0.01的水平上呈现显著正相关，初步证明了视频直播平台上用户在网红直播营销农产品特征程度越高，网红认同和购买意愿越高，进而越能产生农产品购买行为。表1.5相关性研究网红直播营销农产品特征感知价值感知风险网红认同农产品购买行为网红直播营销农产品特征皮尔逊相关性10.764**0.764**0.750**0.839**Sig.（双尾）0.0000.0000.0000.000个案数812812812812812感知价值皮尔逊相关性0.764**10.671**0.700**0.787**Sig.（双尾）0.0000.0000.0000.000个案数812812812812812感知风险皮尔逊相关性0.764**0.671**10.713**0.751**Sig.（双尾）0.0000.0000.0000.000个案数812812812812812网红认同皮尔逊相关性0.750**0.700**0.713**10.810**Sig.（双尾）0.0000.0000.0000.000个案数812812812812812农产品购买行为皮尔逊相关性0.839**0.787**0.751**0.810**1Sig.（双尾）0.0000.0000.0000.000个案数812812812812812**.在0.01级别（双尾），相关性显著。1.4假设检验本文建构的模型涉及直接效应、中介效应和调节效应三种类型验证，采用spss25.0为分析工具，运用层级回归分析法来验证上文假设。1.1.1网红直播特征和农产品购买行为关系验证将网红直播营销农产品特征作为自变量，性别、年龄、月收入、学历和职业作为控制变量，农产品购买行为作为因变量进行多元分层线性回归。表1.6网红直播营销农产品特征和农产品购买行为回归模型未标准化系数标准化系数t显著性R²FB标准错误Beta(常量)0.2740.4540.6020.5480.74851.874网红直播营销农产品特征0.9240.0530.83417.3260.000性别0.060.0980.0320.6090.544年龄0.1770.0980.0921.8160.072平均每个月可支配的金额-0.120.036-0.187-3.2950.001学历水平-0.1080.072-0.085-1.4950.138职业0.0110.0490.0140.2160.829a.因变量：购买行为结果如上表所示，方程显著性F检验为51.874，p<0.05，说明方程是显著有效的，R²为0.748，说明因变量有71.8%的变异可由自变量解释，自变量网红直播营销农产品特征的系数为0.924，并且通过系数t检验，说明了网红直播营销农产品特征对农产品购买行为有显著的正向预测作用，结合相关性分析，验证假设H1成立。1.1.2网红认同在网红直播特征对农产品购买行为的调节作用表1.7网红认同的调节作用分层回归模型1模型2模型3常数3.248**

(7.355)2.927**

(7.550)3.016**

(7.840)性别0.060

(0.609)0.123

(1.425)0.095

(1.103)年龄0.177

(1.816)0.160

(1.881)0.159

(1.897)平均每个月可支配的金额-0.120**

(-3.295)-0.103**

(-3.233)-0.098**

(-3.126)学历水平-0.108

(-1.495)-0.052

(-0.818)-0.058

(-0.933)职业0.011

(0.216)0.024

(0.574)0.032

(0.759)网红直播营销农产品特征0.796**

(17.326)0.513**

(8.362)0.491**

(7.975)网红认同0.371**

(6.063)0.393**

(6.417)网红直播营销农产品特征*网红认同0.067*

(2.044)R²0.7480.8110.818调整R²0.7340.7990.805F值F(6,805)=51.874,p=0.000F(7,804)=67.442,p=0.000F(8,803)=61.239,p=0.000△R²0.7480.0630.007△F值F(6,805)=51.874,p=0.000F(1,804)=36.764,p=0.000F(1,803)=1.178,p=0.043因变量：购买行为*p<0.05**p<0.01括号里面为t值由表1.7可得，调节作用分为三个模型，模型1中包括自变量(网红直播营销农产品特征)，以及性别、年龄、平均每个月可支配的金额、学历水平、职业5个控制变量；模型2在模型1的基础上加入网红认同这一调节变量，模型3在模型2的基础上加入交互项(自变量与调节变量的乘积项)。对于模型1，其目的在于研究在不考虑网红认同这一调节变量的干扰时，自变量(网红直播营销农产品特征)对于因变量(农产品购买行为)的影响情况。从表1.7可知，自变量(网红直播营销农产品特征)呈现出显著性(t=17.326，p=0.000<0.05)。意味着网红直播营销农产品特征对于农产品购买行为会产生显著影响关系。调节效应可通过两种方式进行查看，首先是查看模型2到模型3时，F值变化的显著性；其次是查看模型3中交互项的显著性，本次以后一种方式分析调节效应。从表1.7可知，网红直播营销农产品特征与网红认同的交互项呈现出显著性(t=2.044，p=0.043<0.05)。意味着网红直播营销农产品特征对于购买行为影响时，调节变量(网红认同)在不同水平时，影响幅度具有显著性差异，具体可通过接下来的简单斜率图进行查看。图1.1网红认同调节作用的简单斜率图简单斜率图如图1.1所示，横轴为网红直播营销农产品特征，纵轴为农产品购买行为，直线表示调节变量网红认同在不同水平时，自变量网红直播营销农产品特征对因变量农产品购买行为产生的影响幅度（斜率）差异情况，在网红认同在高水平情况下，斜率为0.52，低水平下斜率为0.45，因此网红认同在网红直播营销农产品特征对农产品购买行为中发挥正向调节作用，验证假设H2成立。1.1.3感知价值和感知风险在网红直播营销农产品特征对农产品购买行为的中介作用表1.8感知的中介作用分层回归购买行为感知价值感知风险购买行为常数0.274

(0.602)2.057**

(3.744)0.074

(0.128)-0.346

(-0.802)性别0.060

(0.609)-0.180

(-1.512)0.050

(0.395)0.104

(1.169)年龄0.177

(1.816)-0.086

(-0.726)0.187

(1.504)0.169

(1.909)平均每个月可支配的金额-0.120**

(-3.295)-0.032

(-0.723)-0.009

(-0.198)-0.109**

(-3.342)学历水平-0.108

(-1.495)-0.232**

(-2.661)-0.055

(-0.602)-0.029

(-0.444)职业0.011

(0.216)-0.092

(-1.557)0.016

(0.264)0.035

(0.786)网红直播营销农产品特征0.924**

(17.326)0.858**

(13.301)0.847**

(12.462)0.519**

(5.876)感知价值0.295**

(1.096)感知风险0.180**

(2.626)R²0.7480.6230.5950.802调整R²0.7340.6030.5730.788F值F(6,805)=51.874,p=0.000F(6,805)=30.613,p=0.000F(6,805)=27.208,p=0.000F(8,803)=55.360,p=0.000*p<0.05**p<0.01括号里面为t值中介效应模型共分为三类回归模型：第1类回归模型为自变量网红直播营销农产品特征与因变量农产品购买行为进行回归模型构建；第2类回归模型为自变量网红直播营销农产品特征与中介变量进行回归模型构建(如果多个中介变量则多个模型)；第3类回归模型为自变量网红直播营销农产品特征和中介变量一起与因变量农产品购买行为进行回归模型构建；三类回归如表1.8所示。经整理得到中介效应量结果汇总如表1.9所示，c表示网红直播营销农产品特征对农产品购买行为时的回归系数（模型中没有中介变量感知时），即总效应；a表示网红直播营销农产品特征对感知时的回归系数；b表示感知对网红农产品购买行为时的回归系数。a*b为a与b的乘积即中介效应。a和b显著，且c’显著，且a*b与c’同号，则为部分中介作用，验证假设H3A和H3B成立。项c

总效应aba*b

中介效应a*b

(95%BootCI)c’

直接效应检验结论网红特征=>感知价值=>购买行为0.924**0.858**0.295**0.2530.084~0.3840.519**部分中介网红特征=>感知风险=>购买行为0.924**0.847**0.180**0.1520.025~0.2700.519**部分中介*p<0.05；**p<0.01表1.9中介效应量结果汇总1.1.4网红认同调节网红直播营销农产品特征通过中介感知对农产品购买行为的影响表1.10有调节的中介效应回归模型购买行为感知价值感知风险常数-0.987*

(-2.123)2.057**

(3.744)0.074

(0.128)网红直播营销农产品特征0.581**

(5.024)0.858**

(13.301)0.847**

(12.462)网红认同0.528**

(1.188)网红直播营销农产品特征*网红认同-0.077*

(-2.376)性别0.119

(1.461)2.057**

(3.744)0.074

(0.128)年龄0.169*

(2.123)0.858**

(13.301)0.847**

(12.462)平均每个月可支配的金额-0.093**

(-3.156)-0.180

(-1.512)0.050

(0.395)学历水平-0.010

(-0.162)-0.232**

(-2.661)-0.055

(-0.602)职业0.051

(1.276)-0.092

(-1.557)0.016

(0.264)感知价值0.247**

(3.722)感知风险0.079

(1.233)R²0.8430.6230.595调整R²0.8270.5990.569F值F(10,801)=57.610,p=0.000F(6,805)=30.613,p=0.000F(6,805)=27.208,p=0.000*p<0.05；**p<0.01括号里面为t值调节中介效应模型共分为两类回归模型；第1类回归模型为因变量是农产品购买行为时的回归模型构建；第2类回归模型为因变量为中介